[논문 리뷰] Business Taxonomy Construction Using Concept-Level Hierarchical Clustering

Haodong Bai, Frank Xing외 2명|arXiv (Cornell University)|2019. 06. 24.

Web Data Mining and Analysis참고 문헌 21인용 수 6

한 줄 요약

이 논문은 최소한의 감독을 필요로 하여 기업 연간 보고서에서 탐욕적 유사도 전파를 사용해 동적 비즈니스 분류체계를 자동으로 구성하는 개념 수준의 계층적 군집화 방법을 제안한다. 기존의 정적 분류체계가 놓치는 세분화되고 변화하는 비즈니스 개념들—예: '온라인 교육'이나 '교육 디지털화'—을 발견하여, 특히 중국의 NEEQ와 같은 신 emerging 시장에서 혁신적인 소형주 투자에 더 정확하고 유연한 도구를 제공한다.

ABSTRACT

Business taxonomies are indispensable tools for investors to do equity research and make professional decisions. However, to identify the structure of industry sectors in an emerging market is challenging for two reasons. First, existing taxonomies are designed for mature markets, which may not be the appropriate classification for small companies with innovative business models. Second, emerging markets are fast-developing, thus the static business taxonomies cannot promptly reflect the new features. In this article, we propose a new method to construct business taxonomies automatically from the content of corporate annual reports. Extracted concepts are hierarchically clustered using greedy affinity propagation. Our method requires less supervision and is able to discover new terms. Experiments and evaluation on the Chinese National Equities Exchange and Quotations (NEEQ) market show several advantages of the business taxonomy we build. Our results provide an effective tool for understanding and investing in the new growth companies.

연구 동기 및 목표

• 기존의 정적이고 전문가가 수작업으로 제작한 비즈니스 분류체계가 신 emerging 시장의 소규모 및 스타트업 기업들의 동적이고 혁신적인 비즈니스 모델을 포착하지 못하는 한계를 해결하기 위해.
• 최소한의 감독을 필요로 하며 비구조화된 텍스트에서 새로운 세분화된 비즈니스 개념을 탐지할 수 있는 자동화된 비즈니스 분류체계 구축 방법을 개발하기 위해.
• 투자자가 유사 기업을 식별하고 신규 시장 동향을 탐지할 수 있도록 더 정확하고 적응력 있는 분류 체계를 제공하기 위해.
• 텍스트 마이닝 및 분류체계 구축 분야의 향후 연구를 위해 벤치마킹 및 기초 자료로 활용할 수 있도록 NEEQ 연간 보고서 데이터셋을 공개하기 위해.

제안 방법

• 초기어 또는 사전 레이블링된 관계에 의존하지 않고 언어학적 지식과 통계 모델링을 활용해 기업 연간 보고서에서 개념 수준의 용어를 추출한다.
• 텍스트 내 공존 패턴과 의미적 패턴을 기반으로 유도된 유사도 행렬을 사용해 용어 간 유사도를 계산한다.
• 유사도 기반으로 반복적으로 군집화를 수행하는 탐욕적 계층적 유사도 전파를 적용해 다단계 분류체계를 구성한다.
• 희귀하거나 신규로 나타나는 개념을 탐지할 수 있도록 수동 레이블링 작업을 줄이고 품질을 향상시키기 위해 양성 및 무레이블러닝(PU)을 활용한다.
• 개별 용어에서부터 넓은 범주로 향하는 하향식 군집 전략을 통해 계층적 일관성을 확보한다.
• 인간 평가 및 공식 NEEQ 분류 레이블과의 비교를 통해 정확성과 세분화 수준을 평가하여 분류체계의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 기업 연간 보고서에서 자동으로 구성된 비즈니스 분류체계가 전통적 분류체계에 존재하지 않는 세분화되고 변화하는 비즈니스 개념을 포착할 수 있는가?
• RQ2 제안된 개념 수준 군집화 방법의 성능은 실제 기업 운영과의 관련성과 세분화 수준 측면에서 전문가가 수작업으로 제작한 분류체계와 비교해 어떻게 다른가?
• RQ3 이 방법을 통해 '온라인 교육'이나 '교육 디지털화'와 같은 새로운 트렌드 비즈니스 개념을 얼마나 잘 탐지할 수 있는가? 이는 신 emerging 시장의 동적 변화를 반영하는가?
• RQ4 양성 및 무레이블러닝의 활용은 분류체계 품질을 유지하면서도 감독 작업을 얼마나 줄일 수 있는가?
• RQ5 제안된 분류체계는 더 정확한 동종 기업 그룹 제공을 통해 투자 의사결정을 더 잘 뒷받침할 수 있는가?

주요 결과

• 제안된 방법은 전통적 분류체계에 포함되지 않은 개념 수준의 용어—예: '온라인 교육'이나 '교육 디지털화'—를 성공적으로 포착한 비즈니스 분류체계를 구성했다.
• 각 후손 용어가 약 10개의 기업을 관리하는 등 기업 분포가 더 균형 잡혀 있으며, '인터넷 소프트웨어 및 서비스'와 같은 넓은 범주처럼 서로 다른 기업들을 혼합하지 않는다.
• 유사한 어린이 교육 및 스마트 교육과 같은 신규 추세를 탐지하여 정적 분류 체계가 포착하지 못한 문화적·시장적 변화를 반영한다.
• 양성 및 무레이블러닝의 활용은 수동 레이블링 작업을 크게 줄였으며, 동시에 새로운 또는 희귀한 비즈니스 개념의 탐지 능력을 향상시켰다.
• 인간 평가 결과, 공식 NEEQ 분류 가이드보다 분류체계가 투자 분석을 위한 더 정확하고 의미 있는 동종 기업 그룹을 제공하는 것으로 확인되었다.
• 실제 기업 모델을 반영하는 데 있어 기존 분류체계보다 성능이 뛰어나, 동일한 하위 개념에 속한 기업들이 유사한 고객, 경쟁사 및 시장 위치를 공유하고 있음을 입증했다.